2. Имитационное моделирование

Имитационное моделирование используется для анализа и синтеза сложных систем в тех случаях, когда аналитическая модель слишком сложна или ее не удается разработать. Имитационная модель отображает процессы в системе при наличии внешних воздействий на систему, а связь между параметрами внутренних, внешних элементов и выходными параметрами задана в ней неявно в виде алгоритма моделирования.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательностью их протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Время в такой модели – один из ключевых моментов, позволяющих исследовать систему в процессе функционирования [161].

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и т.п., которые часто создают трудности при аналитических исследованиях. Несомненное достоинство имитационных моделей — возможность моделирования даже в тех случаях, когда аналитические модели либо отсутствуют, либо (из-за сложности системы) не дают практически удобных результатов. Имитационная модель позволяет использовать практически любые, весьма сложные зависимости в описании системы.

Еще одно достоинство имитационных моделей — наглядность результатов моделирования (как окончательных, так и промежуточных). Если при аналитическом моделировании обеспечивается подобие характеристик объекта и модели, то при имитационном подобие имеется в самих процессах, протекающих в модели и реальном объекте. Промежуточные результаты имитационного моделирования, в отличие от результатов аналитического счета, имеют четкий физический смысл. Это облегчает обнаружение ошибок в программе — в особенности при работе в интерактивном режиме.

Имитационное моделирование напоминает физический эксперимент. С точки зрения сбора статистических данных имитационная модель дает возможность проводить активный эксперимент с помощью целенаправленных изменений параметров модели на некотором множестве реализаций. Последнее позволяет исследовать оптимизируемые функции качества (функционалы) системы с помощью ЭВМ.

Метод имитационного моделирования позволяет решать задачи анализа больших систем, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.

В настоящее время имитационное моделирование — наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования [161, 163].

К недостаткам имитационного моделирования, особенно для сложных систем, относятся высокая стоимость их разработки, а также погрешности, которые в общем случае трудно или невозможно измерить. Кроме того, решение, полученное с помощьюметода имитационного моделирования, всегда носит частный характер, соответствуя фиксированным значениям параметров системы и начальных условий. Поэтому для всестороннего анализа системы приходится многократно моделировать процесс ее функционирования, варьируя исходные данные. В связи с этим имитационная модель не позволяет рассчитать оптимальное состояние системы, а только дает возможность при проведении численных экспериментов на ЭВМ изучить систему, предусмотреть се развитие, приблизить ее структуру или характеристики к оптимальным.

К недостатками имитационного моделирования также относят [161]:

• большой расход машинного времени;

• малая точность вероятностных характеристик редких событий;

• трудность получения обобщающих выводов и рекомендаций;

• сложность оптимизации системы (поиск оптимума требует многовариантных расчетов и ведется при наличии вероятностных помех — случайных ошибок в результатах);

Перечисленные недостатки имитационного моделирования несколько смягчаются постоянным ростом технических характеристик (быстродействия и объема памяти) современных ЭВМ.

По указанным причинам применение имитационного моделирования считается целесообразным:

• для получения первичных данных об изучаемом явлении, если эти данные нельзя получить в натурном эксперименте;

• для проверки правомерности допущений, сделанных разработчиком в целях перехода к аналитическим методам;

• для демонстрации конечных результатов исследования на достаточно полной модели реальной ситуации;

• в случаях, когда сложность ситуации намного превосходит возможности аналитических методов, известных разработчику.